用nx画出图的结构，可以标出重点线路

给两个edge_arr，用nx画出图的结构，可以标出重点线路

import matplotlib.pyplot as plt  # 导入 Matplotlib 工具包
import networkx as nx  # 导入 NetworkX 工具包

# 问题 2：无向图的最短路问题（司守奎，数学建模算法与应用，P43，例4.3）
import numpy as np


def draw_graph(edge_arr):
    G2 = nx.DiGraph()  # 创建：空的 有向图
    for i in range(0,edge_arr.shape[0]):
        G2.add_edge(edge_arr[i][0], edge_arr[i][1], weight=1)  # 添加 带权边，weight表示边权

        # 两个指定顶点之间的最短加权路径
        # minWPath_v1_v5 = nx.dijkstra_path(G2, source=1, target=5)  # 顶点 0 到 顶点 3 的最短加权路径
        # print("顶点 v1 到 顶点 v5 的最短加权路径: ", minWPath_v1_v5)
        # 两个指定顶点之间的最短加权路径的长度
        # lMinWPath_v1_v5 = nx.dijkstra_path_length(G2, source=1, target=5)  # 最短加权路径长度
        # print("顶点 v1 到 顶点 v5 的最短加权路径长度: ", lMinWPath_v1_v5)
    pos = nx.spring_layout(G2)  # 用 FR算法排列节点
    nx.draw(G2, pos, with_labels=True, alpha=0.5)
    labels = nx.get_edge_attributes(G2, 'weight')
    nx.draw_networkx_edge_labels(G2, pos, edge_labels=labels)
    plt.show()
    # plt.show()
    # edgeList = []
    # for i in range(len(minWPath_v1_v5) - 1):
    #     edgeList.append((minWPath_v1_v5[i], minWPath_v1_v5[i + 1]))
    # nx.draw_networkx_edges(G2, pos, edgelist=edgeList, edge_color='m', width=4)  # 设置边的颜色
arr1=np.array([[0, 2], [0, 3], [1, 2], [2, 4], [4, 0], [4, 1], [2, 3]])
arr2=np.array([[0, 1], [4, 0], [4, 3], [2, 4], [2, 3]])
draw_graph(arr1)
draw_graph(arr2)
    # plt.axis("off")
      # YouCans, XUPT

参考文献

python 使用networkx绘制带权无向图和带权有向图，以及标注特定路径
https://blog.csdn.net/qq_45956730/article/details/127352658

networkx绘制拓扑图节点的边和权
https://blog.csdn.net/zhangphil/article/details/121105598

NetworkX画图：nx.draw_networkx(函数详解)
https://blog.csdn.net/Ducky_/article/details/125173457

利用NetworkX画网络图
https://zhuanlan.zhihu.com/p/33011750